计算机科学 > 计算与语言
[提交于 2024年12月31日
(v1)
,最后修订 2025年5月1日 (此版本, v4)]
标题: KnowRA:基于知识检索增强的文档级关系抽取方法及全面推理能力
标题: KnowRA: Knowledge Retrieval Augmented Method for Document-level Relation Extraction with Comprehensive Reasoning Abilities
摘要: 文档级关系抽取(Doc-RE)旨在提取跨越多个句子的实体之间的关系。因此,与句子级关系抽取相比,Doc-RE需要更全面的推理能力,涉及实体、上下文和外部常识知识之间的复杂跨句交互。 然而,大多数现有的Doc-RE方法专注于优化单一推理能力,但缺乏利用外部知识对长文档进行全面推理的能力。 为了解决这些问题,提出了一种名为KnowRA的知识检索增强方法,该方法具有全面推理能力,可以自主决定是否接受外部知识以辅助Doc-RE。 首先,我们构建了一个文档图用于语义编码,并集成了共指消解模型以增强共指推理能力。 然后,通过检索常识推理的外部知识库来扩展文档图成为文档知识图,并提出了一种新的知识过滤方法以筛选出无关知识。 最后,我们提出了轴向注意力机制,以建立与中介实体的直接和间接关联,从而实现跨句逻辑推理。 在两个数据集上进行的广泛实验验证了我们方法的有效性,相比最先进的基线方法有所提升。 我们的代码可在https://anonymous.4open.science/r/KnowRA获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.